Abstrak-Anak-anak pada usia 2 bulan sampai 5 tahun (Balita) lebih rentan terkena penyakit. Lingkungan sangat mempengaruhi kesehatan Balita. Penelitian ini bertujuan untuk membuat sebuah aplikasi sistem pakar diagnosa penyakit pada Balita berbasis mobile. Penelitian ini terdiri dari tiga tahap. Tahap pertama adalah pengumpulan data dan informasi dari Manajemen Terpadu Balita Sakit (MTBS) dan wawancara dengan Bidan. Dari pengumpulan data dan informasi tersebut ditemukan fakta penyakit, keluhan, gejala dan saran penanganan. Tahap kedua adalah pembuatan rule dengan 18 penyakit. Tahap ketiga adalah implementasi aplikasi sistem pakar berbasis mobile dengan fitur diagnosa penyakit, riwayat diagnosa dan kumpulan penyakit. Aplikasi sistem pakar yang dibuat dapat mendiagnosa penyakit dan memberikan saran penanganan. Hasil evaluasi dari 50 data uji coba menghasilkan tingkat akurasi sebesar 82%, dimana 41 hasil diagnosa yang benar dan 9 diagnosa yang salah.Kata Kunci-Sistem Pakar, Forward Chaining, Diagnosa Penyakit, Manajemen Terpadu Balita Sakit, Knowladge Base Abstract-Children at the age of 2 months to 5 years (toddlers) are more susceptible to disease contagious. Environmental condition significantly influences the children health. This research aimed to create a mobilebased expert system application to diagnose disease in toddlers. This research consist of three stages. The first stage were data and information collection from Manajemen Terpadu Balita Sakit (MTBS) and interview with medical staffs. From the first stage, we can discover the disease facts, signs, symptoms and treatment advices. The second stage was the construction of rules for 18 diseases. The third stage was the implementation of mobile-based expert system application with features of disease diagnosis, diagnosis history and collection of disease diagnosis. Expert system application made able to diagnose the disease and provide treatment advice. The results of evaluation using 50 testing data provides the level of accuracy of 82%, where 41 diagnosis result were true and 9 diagnosis were false.

The COVID-19 pandemic has had a significant impact on Micro Small Medium Enterprises (MSMEs), especially laundry services in Plosokandang, Tulungagung Regency. Their primary customers, college students, no longer use their services because of online teaching and learning. The use of social media digital marketing is one solution to promote products and services. Unfortunately, many MSMEs lack this skill. This community service project focuses on training and assisting MSMEs in designing digital marketing content and posting them on their official social media. Canva software was chosen as a tool for content creation because it is simple and quick to use, with minimal design capabilities. Canva offers ready-made templates, so users only need to add their own personal touches. Then, the content is shared on the official social media accounts (Instagram or Facebook Pages). Participants’ and partners’ knowledge and skills improved after following the training. The average increase in participant knowledge of Canva material is 18.62 points, while social media material is 10.79 points. These training and mentoring activities have a positive impact on skills and knowledge related to using Canva and social media for digital marketing. Another effect of digital marketing on social media is an increase in revenue turnover, customer numbers, customer reach, and market sectors.

ABSTRAKDashboard merupakan alat yang digunakan untuk mengevaluasi proses yang sedang berjalan, memonitor kinerja yang sedang berjalan, serta untuk memprediksi kondisi di masa mendatang [2]. Perguruan tinggi memerlukan lebih dari satu jenis dashboard untuk mendukung upaya penjaminan dan peningkatan mutu. Perguruan tinggi memerlukan sistem dashboard, yaitu sekumpulan dashboard yang digunakan untuk memenuhi kebutuhan bisnis dalam lingkup tertentu [3].Pada penelitian yang telah dilakukan sebelumnya, diketahui bahwa terdapat 3 (tiga) aspek yang harus diperhatikan dalam pembangunan dashboard, yaitu data/informasi yang disajikan, personalisasi dashboard, dan kolaborasi antar pengguna dashboard [3]. Tujuan dari penelitian ini adalah membuat model pengembangan dashboard untuk monitoring dan evaluasi kinerja sebagai upaya peningkatan mutu perguruan tinggi. Model yang dirancang pada penelitian ini, memperhatikan ketiga

Abstrak— Penelitian ini bertujuan merancang dan membangun sistem pendukung keputusan untuk meramalkan jumlah kunjungan pasien RSU Dr. Wahidin Sudiro Husodo Kota Mojokerto dengan menggunakan metode Extreme Learning Machine (ELM). Dengan adanya  sistem pendukung keputusan ini direktur Rumah Sakit dapat meramalkan jumlah kunjungan pasien dan membantu dalam pembuatan kebijakan rumah sakit, mengatur sumber daya manusia dan keuangan, serta mendistribusikan sumber daya material dengan benar khususnya pada poli gigi. Dalam rancang bangun sistem pendukung keputusan ini dilakukan dalam beberapa tahap. Tahap yang pertama, pengumpulan data untuk mengidentifikasi inputan yang dibutuhkan dalam penghitungan metode ELM. Tahap kedua, pengolahan data, data dibagi menjadi data training dan data testing dengan komposisi data training sebanyak 80% (463 data) dari total 579 data dan 20% (116 data) sisanya sebagai data testing yang kemudian di normalisasi. Tahap ketiga, peramalan jumlah kunjungan pasien menggunakan metode ELM. Tahap terakhir, perancangan sistem menggunakan sysflow dan pembangunan sistem berbasis desktop serta evaluasi sistem. Hasil penelitian berupa aplikasi sistem pendukung keputusan untuk meramalkan jumlah kunjungan pasien. Dan melalui uji coba menggunakan 116 data testing berdasarkan fungsi aktivasi sigmoid biner dengan jumlah hidden layer sebanyak 7 unit dan Epoch 500 diperoleh hasil optimal MSE sebesar 0.027 Kata Kunci— Sistem Pendukung Keputusan, Peramalan, Jaringan Syaraf Tiruan, Extreme Learning MachineAbstract— In this research, a decision support system to predict the number of patients visit RSU Dr. Wahidin Sudiro Husodo Kota Mojokerto was designed and developed using Extreme Learning Machine (ELM) method which aims to assist director in making decision for the hospital, managing human and financial resource, as well as distributing material resource properly especially in the Department of Dentistry. The design of this decision support system to predict the number of patients visit with ELM method is divided into several stages. The first stage is to identify the input data collection needed in the calculation method of ELM. The next stage is processing the data; the data is divided into training data and testing data and then normalized, in which training data is 80% (452 data) and testing 579 data 20% (116 data). The third stage is problem solving using ELM. The last stage is the design and development of systems using sysflow and desktop-based system that includes the implementation and evaluation of the system. The result of this research is an application of decision supporting system to predict number of patients. By using 116 testing data based on the binary sigmoid activation function using 7 units of hidden layer and 500 Epoch then Optimal MSE value that was obtained is 0.027. Keywords— Decision Supporting System, Prediction, Artificial Neural Network, Extreme Learning Machine

Abstrak-Penelitian ini bertujuan merancang dan membangun sistem pendukung keputusan untuk pemilihan siswa berprestasi di SMP Taruna Jaya I Surabaya dengan metode VlseKriterijumska Optimizacija I Kompromisno Resenje (VIKOR) dan Technique for Order Preferences by Similarity to an Ideal Solution (TOPSIS). Sistem pendukung keputusan ini dibangun melalui 6 tahap. Tahap pertama adalah pengumpulan data dan informasi melalui wawancara dan analisis dokumen. Tahap kedua adalah pengolahan data dan informasi untuk mendapatkan rancangan sistem yang akan dibangun. Tahap ketiga adalah analisis sistem yang meliputi input data siswa, pembobotan kriteria dengan metode AHP, serta perankingan alternatif dengan metode VIKOR dan TOPSIS. Tahap keempat adalah perancangan sistem menggunakan konsep Object Oriented Design. Tahap kelima adalah implementasi sistem berbasis web. Tahap terakhir adalah evaluasi sistem dengan membandingkan tingkat akurasi antara metode VIKOR dan TOPSIS. Berdasarkan hasil uji konsistensi, terdapat 7 percobaan yang tidak konsisten dan 13 percobaan yang konsisten. Hasil yang diperoleh adalah tingkat akurasi yang tertinggi sebesar 80% dengan menggunakan TOPSIS. Berdasarkan hasil tersebut maka metode TOPSIS dapat digunakan pada kasus pemilihan siswa berprestasi di SMP Taruna Jaya I Surabaya dengan derajat kepentingan antar kriteria adalah nilai aktivitas sedikit lebih penting dari nilai rapot, nilai aktivitas lebih penting dari nilai prestasi, nilai aktivitas sangat kuat penting dari nilai sikap, nilai rapot sedikit lebih penting dari nilai prestasi, nilai rapot lebih penting dari nilai sikap, dan nilai prestasi sedikit lebih penting dari nilai sikap.Kata Kunci-AHP, Pemilihan Siswa Berprestasi, Sistem Pendukung Keputusan, TOPSIS, VIKOR Abstract-This research proposes a solution to create a decision support system of student achievement selection using VlseKriterijumska Optimizacija I Kompromisno Resenje (VIKOR) and Technique for Order Preferences by Similarity to an Ideal Solution (TOPSIS) method. The decision support system would resolve the problem of big data processing which needs more effort and more time. The development of decision support system of student achievement selection consisted of 6 phases. The first phase was collecting the data and information via interviews and document analysis. The second phase was data processing to create system design. The third phase was analyzing the system that includes the input of student data, weighing the criteria using AHP method, and rank the alternatives using VIKOR and TOPSIS method. The fourth phase was designing the system using Object Oriented Design. The fifth phase was implementing the system using a webbased. The sixth phase was the evaluation of system by comparing the level of accuracy between VIKOR and TOPSIS methods. Based on the result of consistency test, there were 7 inconsistent experiments and 13 consistent experiments. The result obtained is the highest accuracy rate of 80% by using TOPSIS. Based on these results, TOPSIS method can be used in case...